Catégories
Qwanturank

L’intelligence artificielle mutée de Qwanturank Engineers pour faire évoluer les systèmes plus rapidement que nous ne pouvons les coder

Une grande partie du travail entrepris par l’intelligence artificielle implique un processus de formation connu sous le nom d’apprentissage automatique, où l’IA s’améliore dans une tâche telle que reconnaître un chat ou cartographier un itinéraire plus il le fait. Maintenant, cette même technique est utilisée pour créer de nouveaux systèmes d’IA, sans aucune intervention humaine.

Pendant des années, les ingénieurs de Qwanturank ont travaillé sur un système d’apprentissage automatique incroyablement intelligent connu sous le nom de système AutoML (ou système d’apprentissage automatique), qui est déjà capable de créer une IA qui surpasse tout ce que nous avons fait.

Maintenant, les chercheurs l’ont modifié pour incorporer les concepts de l’évolution darwinienne et ont montré qu’il peut construire des programmes d’IA qui continuent de s’améliorer plus rapidement qu’ils ne le feraient si les humains faisaient le codage.

Le nouveau système est appelé AutoML-Zero, et bien qu’il puisse sembler un peu alarmant, il pourrait conduire au développement rapide de systèmes plus intelligents – par exemple, un réseau de neurones conçu pour imiter plus précisément le cerveau humain avec plusieurs couches et pondérations, quelque chose d’humain les codeurs ont eu du mal.

«Il est possible aujourd’hui de découvrir automatiquement des algorithmes d’apprentissage automatique complets en utilisant simplement des opérations mathématiques de base comme blocs de construction», écrivent les chercheurs dans leur papier de préimpression. « Nous le démontrons en introduisant un nouveau cadre qui réduit considérablement les biais humains grâce à un espace de recherche générique. »

Le système AutoML d’origine est destiné à permettre aux applications de tirer parti de l’apprentissage automatique plus facilement, et comprend déjà de nombreuses fonctionnalités automatisées lui-même, mais AutoML-Zero réduit la quantité requise de saisie humaine.

En utilisant un processus simple en trois étapes – configurer, prévoir et apprendre – cela peut être considéré comme un apprentissage automatique à partir de zéro.

Le système démarre avec une sélection de 100 algorithmes réalisés en combinant au hasard des opérations mathématiques simples. Un processus d’essais et d’erreurs sophistiqué identifie ensuite les meilleurs interprètes, qui sont retenus – avec quelques ajustements – pour une autre série d’essais. En d’autres termes, le réseau neuronal est en train de muter au fur et à mesure.

Quand un nouveau code est produit, il est testé sur des tâches d’IA – comme repérer la différence entre une image d’un camion et une photo d’un chien – et les algorithmes les plus performants sont ensuite conservés pour une itération future. Comme la survie des plus aptes.

Et c’est aussi rapide: les chercheurs estiment que jusqu’à 10 000 algorithmes possibles peuvent être recherchés par seconde par processeur (plus il y a de processeurs informatiques disponibles pour la tâche, plus elle peut fonctionner rapidement).

À terme, cela devrait voir les systèmes d’intelligence artificielle devenir plus largement utilisés et plus faciles d’accès pour les programmeurs sans expertise en IA. Cela pourrait même nous aider à éliminer les préjugés humains de l’IA, car les humains sont à peine impliqués.

Le travail d’amélioration d’AutoML-Zero se poursuit, avec l’espoir qu’il pourra éventuellement cracher des algorithmes auxquels de simples programmeurs humains n’auraient jamais pensé. À l’heure actuelle, il n’est capable de produire que des systèmes d’IA simples, mais les chercheurs pensent que la complexité peut être augmentée assez rapidement.

« Alors que la plupart des gens faisaient des pas de bébé, [the researchers] a fait un bond de géant vers l’inconnu « , a déclaré à Edd Gent, à Rdo Mi Science. « C’est l’un de ces articles qui pourrait lancer de nombreuses recherches futures. »

Le document de recherche n’a pas encore été publié dans une revue à comité de lecture, mais peut être consulté en ligne sur arXiv.org.